# AIで実現する精密栄養学：Viome の Dr. Guru Banavar が語る RNA とマイクロバイオーム

- 番組: [Super Data Science: ML & AI Podcast with Jon Krohn](https://ai-curator.jp/podcasts/shows/cmv3z5c0j000j5o10v3e8e8p9)（Jon Krohn）
- 元のタイトル: 1043: AI-Powered Precision Nutrition, with Viome’s Dr. Guru Banavar
- 配信日: 2026年11月10日
- 長さ: 1時間13分
- 要約作成日: 2026年11月10日
- トピック: [#精密栄養学](https://ai-curator.jp/topics/%E7%B2%BE%E5%AF%86%E6%A0%84%E9%A4%8A%E5%AD%A6) [#マイクロバイオーム](https://ai-curator.jp/topics/%E3%83%9E%E3%82%A4%E3%82%AF%E3%83%AD%E3%83%90%E3%82%A4%E3%82%AA%E3%83%BC%E3%83%A0) [#RNA](https://ai-curator.jp/topics/RNA) [#計算生物学](https://ai-curator.jp/topics/%E8%A8%88%E7%AE%97%E7%94%9F%E7%89%A9%E5%AD%A6) [#機械学習](https://ai-curator.jp/topics/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92) [#血糖応答予測](https://ai-curator.jp/topics/%E8%A1%80%E7%B3%96%E5%BF%9C%E7%AD%94%E4%BA%88%E6%B8%AC)
- URL: https://ai-curator.jp/podcasts/cmwapr42o00005l12po1lgnwd

## 要約

Viome の共同創業者兼 CTO の Guru Banavar 氏が、DNA ではなく RNA を解析する理由と、腸内の炎症・抗炎症のバランスを AI で評価する仕組みを説明した。1,100人規模の血糖値研究から作られた予測モデルや、キト食と菜食で生物学的年齢に差が出た研究結果も紹介された。万人に良い食品はなく、ブロッコリーも赤身肉も人によって合う合わないがあるという。計算生物学の人材像やIBM Watson時代の経歴にも触れた。

## ポイント

- Banavar 氏は、DNA は静的すぎ、タンパク質は動的すぎるとして、遺伝子発現を示す RNA に着目したと述べている。
- Viome は便・唾液・血液の3種のサンプルから、微生物とヒト細胞の RNA を合わせて見る「システム生物学的」な全体像を作る。
- 腸の健康は、炎症性分子と短鎖脂肪酸などの抗炎症性分子のバランスで評価し、酪酸は直接測れないため KEGG のパスウェイから教師なしモデルで推定する。
- 1,100人（米国と日本が半々）の連続血糖測定研究から、同じ食品でも血糖値が上がる人と上がらない人を約80%の精度で予測するモデルを構築した。
- 生物学的年齢の研究では、キト食の人は平均で約2歳老化が進み、菜食の人は約2歳若いという傾向が出たと説明している。
- 計算生物学は希少なスキルで、AI と生物学の両方に踏み込める人材が成功しやすいと述べている。

## 章立て

- [01:01] **Viome の使命と3種のサンプル** — 慢性疾患の予防を目的に Viome を創業した経緯と、便・唾液・血液の検査キットの概要が語られる。微生物の遺伝子数がヒトの約100倍あることにも触れる。
- [09:02] **なぜ DNA ではなく RNA か** — DNA は静的、タンパク質は動的すぎるとして RNA の発現を見る意義を説明。同じ菌でも発現する遺伝子部位で有益にも有害にもなる例が示される。
- [19:53] **腸内の綱引きとモデル構築** — ラベルを使う教師あり学習と、KEGG のパスウェイを使う教師なしモデルを併用して、炎症と抗炎症のバランスを評価する方法を解説する。
- [31:32] **血糖値予測と生物学的年齢** — 1,100人の連続血糖測定研究に基づく予測モデルと、キト食・菜食で生物学的年齢に差が出た研究を紹介する。
- [40:13] **万人に良い食品はない** — ブロッコリーの硫化水素や赤身肉の TMAO を例に、食品の良し悪しは個人の腸内環境次第だと述べる。超加工食品は避けるべきとも言及。
- [45:22] **LLM とは異なる生物学モデルとチーム** — AlphaFold を例に、分子データには言語モデルと異なる手法が必要だと説明。10の80乗規模の探索を行う発見エンジンと、ドライラボの体制を紹介する。
- [57:03] **計算生物学者に必要な素養と経歴** — AI と生物学の両方に踏み込める人材の重要性、IBM Watson での経験、音楽活動、おすすめの本が語られる。

## 解説記事

「ブロッコリーはスーパーフードか？　人によっては避けるべき食品だ」。Super Data Science の第1043回では、Viome の共同創業者兼 CTO である Dr. Guru Banavar 氏が、腸内の RNA データから個人ごとの食の最適解を導く手法を語った。同氏は IBM で Watson AI チームを率いた最初の VP でもある。

#### なぜ DNA ではなく RNA なのか

Banavar 氏はまず、慢性疾患の約8割は遺伝病ではなく、どの遺伝子が発現しているかに左右されると述べる。DNA は生涯ほぼ変わらない静的な情報で、タンパク質は数が多く変動も激しい。その中間にあり、遺伝子発現の「コピー」にあたる RNA が適切な観測対象だというのが同社の判断だ。同氏は、これを選んだバイオ企業は非常に少ないとも話している。

具体例として挙がったのが腸内細菌 Akkermansia muciniphila だ。この菌は、発現する遺伝子の領域によって疾患に関わる側にも、抗炎症性の短鎖脂肪酸を作る有益な側にもなりうるという。菌の有無だけでは意味がなく、何が発現しているかが重要だという説明である。

#### 3種のサンプルと腸内の「綱引き」

Viome のキットは便、唾液、血液（指先採血）を使う。腸と口の微生物 RNA と、血液中のヒト RNA を合わせ、体全体のシステム生物学的な像を得る。1人あたり約9,000万リードの配列が得られ、全体のデータは10の17乗ヌクレオチド規模に近づいていると述べている。

評価の中心は炎症と抗炎症のバランスだ。グラム陰性菌由来の LPS などは腸壁の結合を緩めて「リーキーガット」を招き、炎症や酸化ストレスにつながる。一方、酪酸などの短鎖脂肪酸は隙間を修復する。酪酸は産生直後に吸収されるため直接測れない。そこで KEGG（遺伝子・ゲノムの百科事典）の遺伝子クラスター（KO）の活動から産生経路の活性を推定する、教師なしモデルを使う。問診で得た症状や診断名などのラベルを使う教師あり学習も併用している。

再検査の目安は6か月で、約6,000人を1年追跡した研究で6か月頃から有意な変化が見られたという（今年3月に Microbiome 誌で発表）。

#### 血糖値予測と生物学的年齢

食事への応答を示す例が血糖値の研究だ。米国と日本の計1,100人に連続血糖測定器を付け、2週間決まった食事を取ってもらった。約6〜7万食分のデータと、微生物・血液のプロファイルから、どの食品で血糖値が跳ねるかを約80%の精度で予測できたという。同じバナナでも人によって反応が異なる。

生物学的年齢の研究では、10万人規模のデータのうち、キト食の人は基準より平均で約2歳老化が進み、菜食の人は約2歳若い傾向が出た。同氏はこれを、食事と老化の関係を示す大規模な知見として紹介している。

#### 「万人に良い食品はない」

同氏が強調するのは、超加工食品を避ける以外に普遍的な食事助言は多くないという点だ。ブロッコリーは硫化物の基質が多く、腸内細菌が処理できないと硫化水素が増えて炎症を悪化させうる。赤身肉のカルニチンは、約6割の人では TMA に変わり、肝臓で TMAO となって心疾患リスクにつながるが、残りの約4割ではそうならないと説明した。自分の腸内の代謝経路を測らなければ、判断はできないというのが主張である。

#### LLM とは違うモデル設計とチーム

分子データは言語データと性質が異なる。マイクロバイオームのデータは数千万列に及ぶ非常に横長の行列で、Transformer の手法も一部使うが、PCA、ICA、NMF などの教師なし手法も多用するという。AlphaFold がトランスフォーマーに加えて膨大なドメイン知識を組み込んでいるのと同様、Viome のモデルもドメイン知識を重ねたものだと述べた。さらに、約10の80乗の探索空間から生物学的機能に合うモデルを探す「発見エンジン」を運用し、検証データは論文で公開する方針だという。

チームはウェットラブとドライラボに分かれる。ドライラボは AI・機械学習の担当者が数名、同数の計算生物学者、臨床の検証担当者で構成される。

#### まとめ

同氏は、計算生物学は希少なスキルであり、AI と生物学のどちらからでも反対側へ踏み込める人が活躍すると語った。日本の読者にとっては、ヒトと微生物の両方の RNA を大規模に扱うデータ設計、ラベルのない生物学的機能をドメイン知識で補うモデル化、論文で検証を公開する姿勢が参考になるだろう。数値はすべて番組内での本人の説明であり、個別の効果を判断するには公表論文の確認が必要だ。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Super Data Science: ML & AI Podcast with Jon Krohn「1043: AI-Powered Precision Nutrition, with Viome’s Dr. Guru Banavar」